威斯康辛大学《机器学习导论》2020秋季课程完结，课件、视频资源已开放

近日，威斯康辛大学麦迪逊分校助理教授 Sebastian Raschka 在推特上宣布了威斯康辛大学《机器学习导论》2020 秋季课程的完结：「教授两个班级和 230 个学生是相当不错的体验，对于那些感兴趣的人，我整理了一页记录以供参考。」

课程笔记主页：https://sebastianraschka.com/resources/ml-lectures-1.html（持续更新中）

Sebastian Raschka 是威斯康星大学麦迪逊分校的统计学助理教授，致力于机器学习和深度学习研究。他最近的一些研究方法已应用于生物识别领域，解决面部图像隐私问题，其他的研究重点包括开发与机器学习中的模型评估、对抗攻击和 AutoML 有关方法和应用程序。他也是《Python 机器学习》一书的作者，曾被科技博客 Analytics Vidhya 评为 GitHub 上具影响力的数据科学家之一。

对想要学习这门课程的学生，Sebastian Raschka 教授的建议是：你至少要熟悉基本编程知识并完成了编程入门课程。

目录内容： Part I: Introduction

• L01: What is Machine Learning
• L02: Nearest Neighbor Methods Part II: Computational Foundations
• L03: (Optional) Python Programming
• L04: Scientific Computing in Python
• L05: Machine Learning with Scikit-Learn Part III: Tree-Based Methods
• L06: Decision Trees
• L07: Ensemble Methods Part IV: Evaluation
• L08: Model Evaluation Part 1 – Basics: Underfitting & Overfitting
• L09: Model Evaluation Part 2 – Resampling Methods
• L10: Model Evaluation Part 3 – Cross Valdiation
• L11: Model Evaluation Part 4 – Statistical Tests and Algorithm Selection
• L12: Model Evaluation Part 5 – Evaluation Metrics